手写体数字识别技术的研究与实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 引言 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究目的与意义 | 第11-12页 |
| 1.4 研究的难点 | 第12-13页 |
| 1.5 系统性能的评价 | 第13-14页 |
| 1.6 识别方法 | 第14-15页 |
| 1.7 论文的内容安排 | 第15-17页 |
| 第2章 手写体数字识别中预处理技术 | 第17-20页 |
| 2.1 平滑去噪 | 第17页 |
| 2.2 二值化 | 第17-18页 |
| 2.3 归一化 | 第18页 |
| 2.4 倾斜校正 | 第18-19页 |
| 2.5 细化 | 第19页 |
| 2.6 本章小结 | 第19-20页 |
| 第3章 手写体数字识别中的特征提取 | 第20-26页 |
| 3.1 特征提取概述 | 第20-21页 |
| 3.2 一般特征提取方法 | 第21-22页 |
| 3.3 HOG特征提取方法 | 第22-24页 |
| 3.4 本章小结 | 第24-26页 |
| 第4章 人工神经网络 | 第26-32页 |
| 4.1 人工神经网络概述 | 第26-29页 |
| 4.1.1 人工神经网络的概念 | 第26-27页 |
| 4.1.2 工作原理 | 第27页 |
| 4.1.3 学习方式 | 第27-28页 |
| 4.1.4 人工神经网络的特性 | 第28-29页 |
| 4.2 BP神经网络 | 第29-31页 |
| 4.2.1 BP神经网络简介 | 第29-31页 |
| 4.2.2 BP神经网络的激发函数 | 第31页 |
| 4.3 本章小结 | 第31-32页 |
| 第5章 系统设计与实现 | 第32-49页 |
| 5.1 系统环境与数据获取 | 第32-33页 |
| 5.1.1 系统环境 | 第32页 |
| 5.1.2 样本数据获取 | 第32-33页 |
| 5.2 系统设计 | 第33-36页 |
| 5.3 BP神经网络的结构和拓扑 | 第36-37页 |
| 5.4 BP神经网络的学习和训练 | 第37-38页 |
| 5.5 系统实现 | 第38-41页 |
| 5.6 结果分析 | 第41-48页 |
| 5.7 本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-50页 |
| 6.1 本文工作总结 | 第49页 |
| 6.2 进一步展望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 致谢 | 第52页 |
